计算智能是人工智能的重要分支,以数据为基础,主要借鉴连接主义和行为主义的思想,基于生物进化和细胞网络等机制,具有分布、并行、自适应、自组织和自学习等特点。首先介绍了计算智能的起源和概念,然后以人工神经网络、遗传算法、蚁群算法为例阐述了其原理和应用,最后介绍了在新技术条件下,计算智能的发展趋势及有待解决的一些问题。 智能的典型算法及应用计算智能与各种数学方法相结合，出现了很多分支。其中比较典型的有人工神经网络、遗传算法和蚁群算法。2．1人工神经网络人工神经网络由美国科学家MCCulloch和Pitts于1943年提出，是连接主义的经典代表本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com。它是由大量神经元广泛互连而成的复杂网络系统［4］。2．1．1神经元及其特性神经元是神经网络的基本组成单元，其模型如图1所示。图1神经元模型单个神经元由多个输入xi(i=1，2，…，n)和信息处理技术的研究-数控滚圆机滚弧机折弯机张家港电动液压滚圆机滚弧机折弯机一个随时间t变化的输出y组成。中间状态由输入信号的权和表示，而输出为yi(t)=f∑ni=1wjixi－θ()j(1)式中:θj为阈值;wji为连接权;f为激励函数，是常用线性函数、S型函数和阈值型函数。2．1．2人工神经网络的结构与特点人工神经网络由许多神经元组成，具有并行分布结构，分为递归(反馈)网络和前馈(多层)网络两类。1)递归网络也称为反馈网络，如图2所示。图中，Vi表示节点的状态，xi为节点的输入(初始)值，xi'为收敛后的输出值(i=1，2，…，n)。Hopfield网络、Elmman网络和Jordan网络是递归网络中具有代表性的例子。2)前馈网络也称为多层网络，如图3所示。信号单向流通，不存在同层间的连接。前馈网络的例子有多层感知器(MLP)、学习矢量图2递归(反馈)网络图3前馈(多层)网络量化(LVQ)网络、小脑模型连接控制(CMAC)网络和数据处理方法(GMDH)网络等。人工神经网络的主要学习算法包括有师学习算法、无师学习算法和强化学习算法。2．1．3人工神经网络的应用人工神经网络在自动控制、图像处理、模式识别、数据挖掘等领域有广泛的应用，其独特的结构和信息信息处理技术的研究-数控滚圆机滚弧机折弯机张家港电动液压滚圆机滚弧机折弯机本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com